BAB 4
ANALISA DAN PEMBAHASAN
4.1. Tipe Pasang Surut Di Muara Kali Lamoug Pasang surut sebenamya merupakan akumulasi komponen-komponen gerakan akibal pengaruh benda-benda angkasa teimasuk benda lain seiain bulan dan matahari. Namun karena benda-benda lain tersebut jaraknya terlalu jauh dari bum! rnaka pengaruhnya sangat kecil dan dapat diabaikan. Tipe pasang surut di suatu tempat dapat digolongkan ke dalam tipe yang telah dikenali berdasarkan perbanuingan antara jumlah amplitudo komponen diurnal K] dan O] dengan jumlah amplitudo komponen semi diurnal M2 dan S2. Peiabuhan Tanjung Perak, Surabaya terietak pada posisi 07°.2 Lintang Selatan dan 112".7 Bujur Timur. Berdasarkan Buku Daftar Pasang Surut yang dikeluarkan di Jakarta oleh Jawatan Hidrooseanografi Tentara Nasionai Indonesia Angkatan Laut (TNI-AL) tahun 2011 maka gerakan pasang surut diramalkan terhadap suatu rnuka surutan yang letakiiya 4.9 feet dari duga tinggi (DT). Tabel 4.1. Konstanta Pasang Surut Dari Data Peramalan di Peiabuhan Tanjung Perak, Surabaya MS
Tetapan Yang Digunakan
M,
Amplitudo (Cm)
44
26
9
8
47
28
14
-
-
150
seo^g
31
20
49
18
50
91
47
-
-
-
S3
0,
P,
M,
4
Sumber: Dinas Hidro Oseanografi Tentara Nasionai Indonesia Angkatan Laut Republik Indonesia (TNI - A L RI)
43
44
Berdasarkan Tabei 4. i di atas, maka akan didapat nilai tetapan untuk nilai K i , Oi, M2 dan S2 sebagai berikut: Ki = amplitudo dari anak gelombang pasang surut harian tunggal ratarata yang dipengaruhi oleh deklinasi bulan dan matahari sebesar 47 cm. Oi -
amplitudo dari anak gelombang pasang surut harian tunggal ratarata yang dipengaruhi oleh deklinasi matahari sebesar 28 cm.
M2 =
amplitudo dari anak gelombang pasang surut harian ganda ratarata yang dipengarulii oleh bulan sebesar 44 cm.
S2 =
amplitudo dari anak gelombang pasang surut harian ganda ratarata yang dipengaruhi oleh matahari sebesar 26 cm.
Dengan menggunakan metode Admiralty maka nilai konstanta pasang surut ( F ) dapat dihitung menggunakan rumus sebagai berikut: K,+0,
F= —
M.+S^
=
47 + 28 44 + 26
75
= — = 1.103
68
Untuk nilai konstanta pasang surut (F) sebesar 1.103 dari hasil perhitungan di atas, maka jenis pasang surut diklasifikasikan jenis pasang campuran ganda. Terdapat dua kali pasang sehari tetapi tinggi dan interval waktu antara transit bulan dan pasang naik tidak sama. Perbedaan mi mencapai maksunumnya bila deklinasi bulan telah melewati maksimumnya. Range rata-rata pada pasang pumama adalah 2 (M2 + S2). 4.2. Penetapan Panjang Intrusi Air Laut Di Kali Lamong 4.2.1. Tata Cara Penetapan Panjang Intrusi Air Laut Di Kali Lamong Bersumber dari hasil analisa data pengukuran pasang surut yang dilakukan oleh Dinas Hidrooseanografi Tentara Nasionai Indonesia - Angkatan Laut Republik Indonesia Tahun 2011, maka menurut Ghost (1999) di Muara Kali Lamong termasuk tipe pasang surut campuran cenderung ke semi diurnal. Air laut mencapai jam puncak pasang maksimum pada tanggal 8 Juli 2011 sebanyak dua kali dan akan terjadi pada jam 09.00 pagi dan jam 24.00 malam.
45
Lokasi pengukuran perjalanan lidah air asin diambil di 2 titik lokasi sepanjang Kali Lamong yaitu, Jembatan Rel Kereta Api (kurang lebih 18.700 km mulut Muara Kali Lamong) sebagai titik awal aktip pengukuran
dan Jembatan
Boboh (kurang lebih 20.500 km mulut Muara Kali Lamong) sebagai titik kontrol tetap pengukuran nilai salinitas menggunakan alat cunduclivHy meter. Dalam penelitian ini, interval waktu deteksi penjalaran air laut yang masuk ke Kali Lamong dilakukan 4 jam sebelum dan 4 jam setelah air laut mencapai puncak pasang harian tertinggi di mulut Muara Kali Lamong, sehingga jam pengukuran yang dilakukan adalali antara jam 05.00 pagi sampai jam 13.00 siang (8 jam). Tujuan utama pengambilan interval waktu , untuk menghindari kesalahan serta kelambatan pengamatan di Kali Lamong pada saat terjadi proses titik balik air laut kembali menuju ke hilir (atau menuju ke laut kembali) sebagai dasar titik tetap pengukuran panjang intrusi air laut yang terjadi ( L intrusi) dalam km. Pengamatan dilakukan saat kondisi air laut mencapai puncak pasang harian di mulut Muara Kali Lamong (Hmaks) pada jam 09.00 WIB pagi (lihat Gambar 4.3). Untuk selanjutnya air laut yang masuk ke Kali Lamong diukur nilai salinitasnya di Jembatan Rel Kereta Api (kurang lebih 18.700 km dari mulut Muara Kaii Lamong). Lihat Gambar 4.1 seperti di bawah ini:
Sumber: Dokumentasi Hasil Penelitian Di Muara Kali Lamong Gambar 4.1 Titik Awal Lokasi Pengukuran Salinitas Di Jembatan Rel K A
46
Menurut Anwar (1998) mengklasifikasikan tingkat keasinan berdasarkan nilai hasil pengukuran salinitas menggunakan alat conductivity meter. Untuk selanjutnya klasifikasi tingkat keasinan disajikan seperti pada Tabel 4.2 dibawah ini:
Tabel 4.2. Klasifikasi Tingkat Keasinan A i r No
Klasifikasi Dari Air
A h Tawar 1 2 Air Agak Payau 3 Air Payau 4 Air Asm Brine 5 Sumber: Anwar (1998)
Tahanan dari Alat Kandungan Garam Conductivity Meter ( volt (VoNaCl) ') < 0.50 < 0.30 0.50-1.50 0.30-1.00 1.50-5.00 1.00-3.00 5.00- 17.50 3.00-10.50 ) 17.50 ) 10.50
Perahu yang dilengkapi dengan alat conductivity meter bergerak menuju ke arah hulu Kali Lamong. Pembacaan nilai salinitas dilakukan secara kontinyu dan dilakukan secara menenis sampai titik lokasi pengtikuran mendekati nilai 0,2 (air sudah kondisi tawar) dan titik balik air laut menuju ke laut (hilir). Diskripsi hasil selengkapnya disajikan pada Tabel 4.3 dan Gambar 4.2 seperti di bawah ini:
Tabei 4.3.Hubungan Antara Nilai Salinitas Terhadap Perubahan Jarak Pengukuran
No
Jam Pasang Surut Di Mulut Muara
Tinggi Pasang Surut Di Mulut Muara (m)
Posisi Pengukuran Salinitas Dari Mulut Muara (km)
Kandungan Garam (%NaCl)
1
09.00
2.7
±18.700
0.7
2
10.00
2.6
+19.500
0.5
3
11.00
2.4
±20.00
0.4
4
12.00
2.0
+ 20,500
0,3
5
13.00
1.5
±21.00
0.2
Sumber: Hasi! Pengukuran di Lokasi Jembatan Re! Kereta Ap (18.700 .km Dari Mulut Muara Kali Lamong).
47
1 0.7
+.
E
1 i
:—!
—i——[— f" i" F i ' T "
,—i—
r - —
j — i — 1 -(•— i..--
0.4 T)
c n
OJ
i-.ir::::,
—
•—
" " " " : ' t ~
Oi 1.
OJ
•
L__
T"":
0J 185
19
195
-4-Kandungan Garam (SNaCl)
20
205
21
215
JaraklntrusiAirLautke hulu Sungai (km)
Sumber : Hasil Pengukuran 8 Juli 2011 di Muara Kali Lamong Gambar 4.2. Grafik Hubungan Nilai SaUnitas Terhadap Perubahan Jarak Pengukuran Seiain dilakukan pengukuran nilai salinitas di Jembatan Rel Kereta Api seperti yang dijelaskan di atas, pada penelitian ini juga dilakukan kontrol tetap pengukuran salinitas di Jembatan Boboh (kurang lebih 20.500 km dari mulut Muara Kali Lamong). Tujuan utama dilakukammya titik kontrol tetap pengukuran salinitas di Jembatan Boboh untuk menghindari teijadinya kesalahan pengamatan dan keterlambatan penetapan panjang intrasi air laut sehmgga hasil pengukuran lebih cermat dan teliti. Untuk hasil pengukuran nilai salinitas pada titik kontrol tetap di Jembatan Boboh disajikan pada Tabel 4.3 dan Gambar 4.3 seperti dibawah ini:
48
Tabel 4.3. Hubungan Antara Nilai Salinitas Terhadap Perubahan Waktu No
Jam Pasang Surut Di Mulut Muara
Tinggi Pasang Surut Di Mulut Muara (m)
1
05.00
2
Kandungan Garam (%NaCl)
1.80
Posisi Pengukuran Salinitas Dari Mulut Muara (km) ±20.500
06.00
2.10
±20.500
0.20
3
07.00
2.40
±20.500
0.30
4
08.00
2.60
±20.500
5
09.00*
2.70
±20.500
0.50 0.60
6
10.00
2.60
±20.500
0.50
7
11.00
2.40
±20.500
0.40
8
12.00
2.00
±20.500
0.30
9
13.00
1.50
±20.500
0.20
Sumber: Hasil Pengukuran Kontrol Tetap Nilai Salinitas di Boboh Pada Tanggal 8 Juli 2011 .
4
5
6
7
-*-KardungwG8nim (KNaO)
10
11
0.10
,okasi Jembatan
12
13
14
Perubahan Waktu (Jam)
Sumber: Hasil Pengukuran di Lokasi Jembatan Boboh Tanggal 8 Juli 2011 . Gambar 4.6. Grafik Hubungan Antara Nilai Salinitas Dengan Perubahan Waktu Dari hasil pemantauan nilai salinitas pada jam 12.00 WIB pada tanggal 8 Juli 2011 di jembatan Boboh adalah sebesar 0.30 %. Menurut Tabel 4.2 di atas, diklasifikasikan peralihan antara kondisi tawar dan agak payau dalam kondisi tawar.
49
4.2.2 Lokasi Pengukuran Debit Hulu Kali Lamong Lokasi pengukuran debit hulu di Kali Lamong dipilih pada ruas penanipang sungai di hulu Kali Lamong (kurang lebih 21.500 km dari mulut Muara Kali Lamong). Sebelum
dilakukan analisa debit hulu Kali Lamong
terlebili dahulu dilakukan pengukuran lebar sungai pada penampang terpilili sebagai
dasar pendiskripsian hubungan antara nilai kedalaman air rata-rata
terhadap perabahan waktu pengukuran. Untuk hasil selengkapnya disajikan pada Tabel 4.5 seperti di bawah ini. Tabel 4.5. Hubungan Antara Jam Pengukuran Terhadap Perubahan Nilai Kedalaman Air Rata - Rata. Lebar Sungai
1
1 05.00
Kedalaman Air Rata-Rata (m) 2 0.40
(m) 3 10.0
Luas Penampang Basah Sungai (m^) 4 = (2).(3) 4.00
2
06.00
0,38
10.0
3.80
3
07.00
0.39
10.0
3.90
4
08.00
0.42
10.0
4.20
5
09.00
0.43
10.0
4.30
6
10.00
0.40
10.0
4.00
7
11.00
0.39
10.0
3.90
8
12.00
0.37
10.0
3.70
No
Jam Pengukuran
Sumber: Hasil Pengukuran Di Hulu Kali Lamong Pada Tanggal 8 Juli 2011 Selanjutnya dilakukan pengukuran kecepatan air terhadap perubahan waktu dengan menggunakan alat current meter yang hasibiya selengkapnya disajikan pada Tabel 4.6 seperti di bawah ini:
50
Tabel 4.6. Data Hasil Pengukuran Kecepatan Aliran Terhadap Perubahan Jam Pengukuran. No
Jam Pengukuran
Rata - Rata
1
1 05.00
Kecepatan Air Rata-Rata (m/dt) 2 1.250
2
06.00
1.296
3.80
4.93
3
07.00
1.288
3.90
5.02
4
08.00
1.291
4.20
5.42
5
09.00
1.290
4.30
5.55
6
10.00
1.312
4.00
5.25
7
11.00
1.307
3.90
5.10
8
12.00
1.324
3.70
4.90
Luas Penampang Basah Sungai (m^) 3 4.00
Debit Aliran Hulu Sungai (m^/dt) 4 = (2).(3) 5.00
Sumber: Hasil Pengu curan Di Hulu Kali Lamong Pada Tanggal 8 Juli 2011
Berdasarkan hasil yang disajikan pada Tabel 4.6 di atas, maka dapat disusun grafik hubungan antara kecepatan air rata-rata dengan waktu pengukuran seperti pada Gambar 4.7 di bawah mi:
1.34
5
5
7
8
- • - K e c e p a t a n Aliran Rats-rate
9
(m/dt
10
11
12
J a m Pengukuran
Sumber: Hasil Pengukuran Pada Tanggal 8 Juli 2011 di Hulu Kali Lamong Gambar 4.7. Grafik Hubungan Antara Kecepatan Air Rata-Rata Dengan Waktu Pengukuran
51
Masih berdasarkan hasil yang disajikan pada Tabel 4.6 di atas, Setelah terjadi puncak pasang tertmggi pada jam 09.00 siang maka nilai debit hulu Kali Lamong berkisar antara 4.99 sampai 5.55 m'/'dt.
5.6 S3
S S.
5.*
S
5.3
c
5.2
SI
s..
//
r\
\^
<
5
*
s
4
5
6
7
8
-*-Debit Aliran Rato-raU(ni3/dt)
9
10
U
12
13
Jam Pengukuran
Sumber: Hasil Pengukuran Pada Tanggal 8 Juli 2011 di Hulu Kali Lamong Gambar 4.8. Grafili Hubungan Antara Debit Aliran Hulu Kali Lamong Dengan Wakiu Pengukuran Selanjutnya dengan langkah perhitungan yang sama seperti prosedur di atas, hasil analisa debit untuk tanggal 9-18 Juli 2011 dijadikan input ke sistem neuro fuzzy algoritma ANFIS untuk model peramalan panjang intrusi air laut di Muara Kali Lamong atau sebanyak 13 pasang data pengukuran, diterjemahkan pola hubungan debit hulu Kali Lamong (Q hulu), tinggi air laut pasang maksimum harian (H maks) dan panjang intrusi air laut (L intrusi). pengukuran disajikan seperti pada Tabel 4.7 di bawah ini:
Selanjutnya hasil
52
Tabei 4.7. Pola Hubungan Antara Debit Hulu Kali Lamong Pengamatan (Qhulu), Tinggi Air Laut Pasang Maksimum Harian (H maks) dan Panjang Intrusi Air Laut ke Hulu (L intrusi) No
Tgl-Bln-Thn Pengukuran
1 2
3 4 5 6 7 8 9 10 11 12
8-7-2011 9-7-2011 10-7-2011 11-7-2011 12-7-2011 13-7-2011 14-7-2011 15-7-2011 16-7-2011 17-7-2011 18-7-2011 19-7-2011
Q hulu
H-max
(mVdt)
(m)
5.55 4.95 / ^ •• 4 . 90 4.92 5.25 5.80 6.20 6.50 6. 70 6.75 6.60 6.90
2.70 2.80 2. 80 2.80 2.70 2 .60 2.40 2.20 1.90 1.90 2.00 2 .00
L-pengukuran (km) 21.00 21.30 21.30 21.30 21.00 5 20.80 \ 20.45 19.90 19.00 19.00 19.40 19.40
Sumber : Hasil Pengukuran di Muara Kali Lamong Tanggal 8-19 Juli 2011 Sedangkan pola hubungan antara
panjang intrusi air laut (L) dengan seri waktu
pengukuran dari tanggal 8-19 Juli 2011 disajikan seperti pada Gambar 4.11 di bawah ini:
Sumber: Hasil Pengukuran di Muara Kali Lamong Gambar 4.11. Hubungan Antara Panjang Intrusi Air Laut Di Kali Lamong Dengan Tanggal Pengamatan
53
4.3. Desain Model Peramalan Intrusi Air Laut di Estuari Menggunakan Sistem Neuro Fuzzy Algoritma ANFIS
Program bantu Model Peramalan Parjang intrusi Air Laut di Estuari menggunakan Toolbox Matlab dikembangkan oleh Riset Group Math Work hic menggunakan bahasa pemrograman Matlab versi 7.0. Desain model peramalan intrusi air laut di estuari menggunakan sistem neuro fuzzy algoritma ANFIS disajikan pada Gambar 4.12 seperti di bawah ini: A n f i s Editor: U n t r t l e d » '
PS
File
Edit
View
1 0-8
« of outputs: 1 # of ^ T i U m f s :
3
06 0.4 0.2 O
Typa
0.2
Loaddata Frawt
0.4 —
0.6
O e n e r i r i s FIS
0.8 ~
I j o a d front H a o
> L o a d f r o m worlcsp.
Training a
;
Chocking
U)«dPola- I
» C l e w Data
-
Train FIS Optim. M e t f i o * hyticid Error Tolerance;
GridparHion
' -Sub.cfuster^tg
Ptotaqakial0 Training d a t a Testing d o l a OteoMnqdala
G e n e r c ^ FIS ...
Sumber: Toolbox ANFIS Matlab versi 7.0 Gambar 4.12. Tampilan Model Peramalan Intrusi Air Laut Di 'E^an Algoritma ANFIS Menggunakan Program Toolbox MATLAB Versi'7.0 Keterangan pada Gambar 4.12 di atas: Menu Input 1 .Data input proses pembelajaran data 2.Data input proses pengujian data Menu Parameter Dari Sistem Neuro Fu^y Algoritma ANFIS 1. Range of influence, parameter yang menentukan jumlah cluster dari Juz2y inference system.
54
2. Squash factor, untuk menentukan pusat cluster yang ada didekatriya yang mana keberadaannya tingkat cluster yang lainnya akan dikurangi {default sama dengan 1.25). 3. Accept ratio, untuk mengatur potensial (fraksi potensi cluster pertama), yang mana ada titik data laixmya yang punya potensi diatasnya akan diharapkan untuk menjadi pusat cluster {default sama dengan 0.5) 4. Reject ratio, untuk mengatoi- potensial (fraksi potensi cluster pertama), jika ada data titik-titik yang yang punya potensi dibawahnya akan di aflkir untuk menjadi pusat cluster {default sama dengan 0)
Menu Training Dari Sisiem iVewrt? F « 2 ^ Algoritma ANFIS 1. Optimum Method, metode optimasi yang digunakan dalam proses pelatihan bisa dipilih hybrid atau backpropagation.
i
2. Error tolerance, besamya error minimum yang diharapkan 3. Maximum epoch, jumlah iterasi yang dipergunakan untuk proses pembelajaran dan pengujian data Start, tombol yang dipergunakan untuk memuiai proses pelatihan Reset, tombol yang dipergunakan untuk mengatur input data pelatihan dan input data pengujian. Menu ANFIS Information L 1. Count of n/Ze, jumlah aturan dari FIS 2. Trainining MSE, nilai mean square error hasil proses pembelajaran data 3. Testing MSE, nilai mean square error hasil proses pembelajaran data Structure FIS, struktur dari FIS. , keanggotaan dari FIS. Rule FIS, jumlah aturan FIS. Menu Plot 1. Output training dan testing, grafik hubungan antara hasil model peramalan dengan hasil pengukuran dengan jumlah data yang dipergunakan untuk proses pembelajaran data maupun pengujian data.
55
2. Error iraining dan testing, grafik Imbungan antara error hasil model peramalan
dengan
hasil pengukuran
dengan
jumlah data yang
dipergunakan untuk proses pembelajaran data maupun pengujian data Menu Report \.Report training data, tabel hubungan
antara jumlati
input data
pembelajaran dari model, hasil peramalan model, hasil pengukuran dan selisili nilai error yang teijadi. LReport testing data, tabel hubungan antara jumlah input data pengujian dari model, hasil panjang intrasi air laut model, hasil pengukuran dan selisih nilai error yang terjadi. ^.Report training dan testing data, tabei hubungan antara jumlah input pembelajaran dan pengujian dari model, hasil panjang intrusi air laut model, hasil pengukuran dan selisih nilai error yang terjadi. Menu Predict Form i
debit hulu pengukuran
2 . t i n g g i air laut pasang maksunum pengukuran Calculate, tombol yang dipergunakan untuk proses memuiai peramalan panjang intrusi air laut di estuari Close, tombol yang dipergunakan untuk mengakhiri proses meramalkan panjang intrusi au-laut di estuari 4.3.1.Tata Cara Penggunaan Program Bantu Toolbox Matlab Versi 7.0 Secara garis besar langkah-langkah penggunaan program bantu Toolbox Matlab Versi 7.0 untuk kebutuhan peramalan panjang intrusi air laut di estuari menggunakan pendekatan sistem neuro fuzzy struktur ANFIS
adalah sebagai
berikut: 1. Memasukkan data pembelajaran ke worfapace dengan nama TRAINING 2. Memasukkan data pengujian ke workspace dengan nama TESTING 3. Memasukkan data pengujian ke workspace dengan nama CEKING 4. Memasukkan parameter range of influence melalui Menu Parameter 5. Memasukkan parameter jumlah maksimum epoch ke menu Training
55
6. Melakukan pengecekan terhadap hasil nilai mean square error untuk tahap pembelajaran data/ kalibrasi ataupun pengujian data/verifikasi. 7. Memasukkan nilai debit huiu sungai (Q hulu sungai) dalam m"/'dt dan tinggi air laut pasang maksimum harian (Hmaks) dalam m adalah hasil pengukuran data yang tidak dipergunakan proses pembelajaran data atau pengujian ke dalam Menu Predict 8. Setelah poin 6 dilakukan, maka hasil peramalan panjang intrusi air laut di estuari akan di dapat dengan menu Hasil Peramalan. Jika antara hasil model dan hasil pengukuran beiurn cocok maka dilakukan proses trial dan error dengan merubah nilai parameter range of influence sampai didapatkan
hasil antara model akan sama atau mendekati hasil
pengukuran.
4.3.2.reugerabangan Model Peramalan Panjang Intrusi Air Laut Di Muara Kali Lamong Berdasarkan Hasil Pengukuran Tanggal 8-19 Juli 2011 Menggunakan Program Bantu Toolbox Matlab versi 7.0
"'
Tahap awal penyusunan model peramalan panjang intrusi air laut di Muara Kali Lamong dibangun menggunakan dari data hasil pengukuran debit hulu yang relatip konstm yang berlawanan dengan tinggi air laut puncak pasang harian di mulut Muara Kali Lamong dari tanggal 8-19 Juli 2008 seperti yang dijelaskan pada Tabel 4.7 di atas. Ada dua tahap yang sangat pentmg pada proses peramalan menggunakan sistem neuro fuzzy algoritma ANF7S yaitu proses pembelajaran data {training data process) dan proses pengujian data {testing data process). Aplikasi dengan sistem neuro fuzzy struktur ANFIS membutuhitan data pembelajaran dan data pengujian.
Keduanya
berisi pola
input/output,
Jika
pembelajaran
data
dipergunakan untuk melatih struktur ANFIS, pengujian data digunakan untuk menilai unjuk kerja struktur ANFIS. Untuk mendapatkan uji terbaik pada unjuk kerja
struktur ANFIS
sebaiknya berbeda dengan data untuk pembelajaran. Proses pembelajaran dilakukan dengan menggunakan sejumlah data. Secara umum semakin banyak
57
jumlah data pembelajaran, semakhi akurat dan adaptif hasil peramalan yang diperoleh.
-
Tata urutan mipiementasi model peramalan intrusi air laut di Muara Kali Lamong menggunakan program bantu Toolbox Matlab versi 7.0 adalah sebagai berikut: 1. Memasuiddian Input Data Untuk Proses Pembelajaran Data Memasukkan data hasil pengukuran dari tanggal 8 - 1 5 Juli 2011 atau sebanyak 9 seri data pengukuran di Muara Lamong meliputi: (a) Data hubungan antara tinggi ah- laut pasang maksimum harian (Hmaks) di hilir Kali Lamong dengan tanggal pengukuran dari tanggal 8-19 Juli 2011 (Lihat Gambar 4.9 di atas) (b) Data hubungan antara debit (Q) di hulu Kali Lamong dengan langgal pengukuran
dari tanggal 8 - 1 6 tahun 2011
(Lihat
Gambar 4.10 di atas) (c) Data hubungan antara panjang intrusi air laut (L) dengan tanggal pengamatan mulai dari tanggal lai 10 Juli 2011 (Lihat Gambar 4.11 di atas) Poin (a), (b) dan (c) tersebut di atas, dijadikan sebagai data masukan model Toolbox Matlab versi 7.0 untuk proses pembelajaran data pada Menu Input melalui workspace TRAINING.
2. Masukkan/«/>W£ Data Untuk Proses Pengujian Data Memasukkan data hasil pengukuran dari tanggal 17 - 19 Juli
2011
atau sebanyak 3 seri data pengukuran di Muara Lamong meliputi: (e) Data hubungan antara tinggi au- laut pasang maksimum harian (H maks) di hilir Kali Lamong dengan tanggal pengukuran
dari
tanggal 1 7 - 19Juli2011 (Lihat Gambar 4.9diatas) •
(0 Data hubungan antara debit (Q) di hulu Kali Lamong dengan tanggal pengukuran dari tanggal 17-19 Juli 2011 (Lihat Gambar 4.10diatas)
58
(g) Data hubungan antara panjang intrusi air iaut (L) dengati tanggal pengamatan mulai dari tanggal 17-19 Juli 2011 (Lihat Gambar 4.11 di atas) Poin (e), (f) dan (g) tersebut di atas, dijadikan sebagai data input model untuk proses pengujian data yang selanjutnya dimasukkan pada Menu Input melalui Workspace TESTING DATA. Setelah
menetapkan
jurnlah
masukan
data
untuk
proses
pembelajaran dan pengujian data yang dimasukkan pada program bantu Toolbox Matlab versi 7.0 maka dilanjutkan proses pembelajaran {trainingprocess) dengan langkah sebagai berikut: 3
Melakukan pengaturan nilai parameter range of influence ke Menu Parameter. Dicoba dengan memasukkan nilai parameter range of influence sehciiar
.
4 Melakukan pengaturan pada Menu Trainmg. (a) Memilih hybrid (logika fuzzy dan jaringan syaraf tiruan) pada Optimum Method. (b) Memilih nilai 0 pada Error Tolerance (c) Menetapkan jumlah iterasi pada Maximum Epoch dipergunakan sebanyak 3 iterasi. Dengan menggunakan program bantu Matlab versi 7,0 pada tahap pembelajaran {training) yang mendiskripsikan pola hubungan antara parameter nilai range of influence terhadap perubahan jumlah aturan FIS, nilai kriteria kecocokan menggunakan mean square error untuk proses pembelajaran maupun pengujian data. Jumlah aturan fiizzy inference system {FIS) yang terbentuk serta hasil proses pembelajaran dan pengujian data pada pentahapan pembangunan model peramalan panjang intrusi air laut di Muara Kali Lamong menggunakan pendekatan sistem neuro fuzzy struktur ANFIS dapat dijelaskan hasilnya sebagai berikut: 1.
Dengan menetapkan nilai parameter range of influence sebesar
10"
sistem menghasilkan jumlah aturan FIS sebanyak 12 buah aturan. Untuk selanjutnya 8 buah aturan FIS yang tersusun, dijelaskan pada Gambar 4.14 seperti di bawah i n i :
59
File 1. 2. 3. 4. 5. 6. 7.
Edit
tf On1 K C»i1 It ( m i It c m If Cin1 If Ont If f i m
View
Options
i s i n 1 c k J s t e r l ) t h e n C o u M is out1 d u s t e r l ) i s i n i cluster2) t h e n CoUl is o u t i clusterZ) i s i n i d u s t e r s ) t h e n CouH i s o u t i c l u s t e r s ) i s »i1chjster4)then Couti i s o u t i Clu3ter4) i s i n i c l u s t e r s ) t h e n Cout1 i s o u t i c l u s t e r s ) i s in1 d u s t e r s ) t h e n CoUl i s o u t 1 d u s t e r 6 ) is in1 c l u s t e r ? ) t h e n f o u t i is out1 cluster?)
(1) CI) CI) C1) CI) CI) d)
If inlckiste ' jnlduste-
•
r«t
CormedJo-] Weight; i..->
or
beleteruld
A d d rule I C h a r w e
FIS Neme: Untitled
Sumber: Hasil Running Program Gambar 4.14. Jumlah Aturan FIS Untuk Nilai Range of Influence 10'^^ Menggunakan Pendekatan Struktur Di Muara Kali Lamong. Masih berdasarkan data hasil pada Gambar 4.14 di atas, maka dapat disusun struktur model peramalan panjang intrusi ah laut di Muara Kali Lamong menggunakan pendekatan sistem
neuro fuzzy struktur ANFIS adalah sebagai
berikut : Pi
Anfis Mode) Structure
CBck o n e a c t i r w d e t o s e e detaited i n t o r m a t i o o
r
Update
1 f
Help
~|
f
Closo
Sumber : Hasil Rmining Program Gambar 4.15. Konfigurasi Model Peramalan Panjang Intrusi Air Laut Di Muara Kali Lamong Menggunakan Struktur ANFIS Untuk Pengukuran dari Tanggal 8 -19 Juli 2011.
60
Konflgurasi model peramalan panjang intrusi air laut di Muara Kali Lamong menggunakan ANFIS yang diekspresikan menggunakan Gambar 4.15 tersebut di atas, dapat dijelaskan sebagai berikut: Lapis 1. Jumlah masukan (input) dari model peramalan panjang mtrusi air laut di estuari menggunakan struktur ANFIS terrdiri dari i masukan (inpui) data hasil pengukuran
panjang intrusi air laut pasang maksimum
harian (Lt). Lapis 2. Pembentukan masukan fimgsi keanggotaan (input membership Junction) dari model peramalan panjang intrusi air laut di Muara Kali Lamong menggunakan pengukuran
struktur ANFIS
berdasarkan
jumlah
data hasil
panjang intrusi air laut pada saat air iaut pasang
maksimum harian (Lt) sebanyak 12 data. Lapis 3. Jumlah aturan FIS yang terbentuk dari model peramalan panjang intrusi air laut di Muara Kali Lamong menggunakan struktur ANFIS adalah sebanyak 8 buah aturan yang terbentuk (lihat Gambar 4.14 di atas) Lapis 4. Pembentukan keluaran fiingsi keanggotaan (output membership Junction) dari model peramalan panjang intrusi air laut di estuari menggunakan struktur ANFIS sebanyak 8 data (lihat pada Gambar 4.15). Lapis 5 Hasil dari peramalan panjang intrusi air laut di estuaii untuk satu hari ke depan (Lt+i) menggunakan model ANFIS. Proses pembelajaran
data menggunakan kriteria mean square error
adalah 0.14. Hasil pembelajaran data model peramalem panjang intrusi air laut di Muara Kali Lamong, diekspresikan menggunakan grafik hubungan antara pembelajaran data dan FIS output disajikan pada Gambar 4.16 di bawah ini.
61
File
Edit
View Training data : o
FIS output: *
ANRShfo.
21.5
+ o
21
#t>finpil;1 jfofoutpUs;! # of input mfs; 8
o
B 20.5
a. O
2) Stmdtxe
19.5 19 Type:
1
Loaddata From;
-
GenerateFlS Load from fite
•'.,) Trainina
I fite
i_j Testiig (9'' Checking
CtearPW
5
*9 worksp.
( ) Demo
(_ Load Irom worksp.
-
Test FIS
TrahFlS Of«im.Metfiod; hybrid
^
Plote \» TraffWTgdala
Gridpartiion
&r«' Tolerance: 0
Sub. ciustering
3
( ; Checking data
Average testing error 0.14337
Epochs:
1
He*)
C Teslir«dala
1 1
Close
]
Sumber : Hasil Rumiing Program Gambar 4.16. Hubungan Antara Hasil Pembelajaran Data dan FIS Output Peramalan Panjang Intrusi Air Laut Di Muara Kali Lamong Masih bersumber Gambar 4.16 di atas, selanjutnya dilakukan proses pengujian data menggunakan kriteria MSE yang hasilnya adalah sebesar 0.15. Setelah dilakukan pembelajaran dan pengujian data, langkah selanjutnya dilakukan verifikasi terhadap ketepatan hasil
peramalan dari model
panjang intrusi air laut di Muara Kali Lamong menggunakan pendekatan sistem neuro fuzzy algoritma ANFIS terhadap hasil pengukuran di lapangan. Data yang dipergunakan untuk menguji ketepatan adalah data yang tidak dipergunakan untuk proses pembelajaran data (tanggal 8-16 Juli 2011) ataupun proses pengujian data (tanggal 17 - 19 Juli 2011) sehingga data yang dipergunakan untuk menguji ketepatan hasil model adalah data hasil pengukuran pada tanggal 20 Juli 2011.
62
Memasukkan data hasil pengukuran pada tanggal
20 Juli 2011 di
Muara Lamong dijadikan sebagai data input model untuk menguji ketepatam'akurasi hasil peramalan panjang mtrusi air laut di Muara Kali Lamong menggunakan pendekatan sistem neuro fuzzy algoritma ANFIS. Susunan data disajikan pada Tabel 4.8 seperti di bawali ini: Tabel 4.8.
No
Susunan Data Yang Dipergunakan Untuk Menguji Ketepatan Hasil Model Peramalan Panjang Intrusi Air Laut Di Muara Kali Lamong Menggunakan Algoritma ANFIS
Tgl-Bln-Thn Pengukuran
13
20-7-2011
Q-hulu (mVdt)
H-max (m)
5.80
2.50
L-pengukuran (km) 19.10
Sumber: Hasil Pengukuran di Muara Kali Lamong Pada Tanggal 20 Juli 2011 Hasil peramalan jarak inti-usi air laut yang masuk ke Muara Kali Lamong yang terjadi
menggunakan program bantu
Toolbox Matlab versi 7.0 adalah
sepanjang 19.10 km dari mulut muara Kali Lamong. Masih berdasarkan Tabel 4.9 di atas, maka selisih antara hasil pengukuran panjang intrusi air laut yang masuk di Kali Lamong pada tanggal 20 Juli 2008 sebesar 19.00 km berkisar kurang lebih 0.1 km atau 100 m bila dibandingkan dengan hasil peramalan panjang mtrusi ah laut dari model dengan menggunakan pendekatan sistem neuro fuzzy struktur ANFIS. Hasil Pengembangan Model Peramalan Panjang Intrusi Air Laut Di Muara Kali Lamong berdasarkan hasil data primer pengukuran yang dilakukan dari tanggal 8 - 1 9 Jul! 2011 menggunakan Sistem Neuro Fuzzy Struktur ANFIS dapat disusim pada Tabel 4.9 seperti di bawah mi.
63
Tabel 4.9. Koofigurasi Hasil Model Peramalan Panjang Intrusi A i r Laut Di Muara Kali Lamong Menggunakan Algoritma ANFIS
No
Input dan Output Program Bantu Toolbox Matlab Versi 7.0
Pengukuran Tanggal 8-19 Juli 2011
1
Input range of influence
2
Input max epoch
3
3
Output Jumlah aturan FIS
8
10-^'
Output nilai MSE pada proses 0.14 pembelajaran data Output nilai MSE pada proses 5 0.15 pengujian rJafa Output nilai hasil peramalan dari 6 19.10 km model di Muara Kali Lamong Nilai hasil pengukuran di Muara 7 19.00 km Kali Lamong Sumber : Hasil Runnmg Program Menggunakan Program Matlab versi 7.0 4
